論文の概要: Detecting Call Graph Unsoundness without Ground Truth

• arxiv url: http://arxiv.org/abs/2604.00885v1
• Date: Wed, 01 Apr 2026 13:32:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.005402
• Title: Detecting Call Graph Unsoundness without Ground Truth
• Title（参考訳）: 接地真実のないコールグラフ不協和性の検出
• Authors: Fangtian Zhong, Ollie Wold, Joseph Windmann,
• Abstract要約: 我々は,Soot, SootUp, WALA, Doopの4つの広く使用されている静的解析フレームワーク内でのセマンティック一貫性に関する大規模な実証的研究を行った。 解析アルゴリズムや構成に対する精度部分順序を用いて,精度の向上が新たなコールグラフエッジを導入したり,不整合を増幅したりする違反を系統的に識別する。
• 参考スコア（独自算出の注目度）: 1.3827807729367587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Java static analysis frameworks are commonly compared under the assumption that analysis algorithms and configurations compose monotonically and yield semantically comparable results across tools. In this work, we show that this assumption is fundamentally flawed. We present a large-scale empirical study of semantic consistency within and across four widely used Java static analysis frameworks: Soot, SootUp, WALA, and Doop. Using precision partial orders over analysis algorithms and configurations, we systematically identify violations where increased precision introduces new call-graph edges or amplifies inconsistencies. Our results reveal three key findings. First, algorithmic precision orders frequently break within frameworks due to modern language features such as lambdas, reflection, and native modeling. Second, configuration choices strongly interact with analysis algorithms, producing synergistic failures that exceed the effects of algorithm or configuration changes alone. Third, cross-framework comparisons expose irreconcilable semantic gaps, demonstrating that different frameworks operate over incompatible notions of call-graph ground truth. These findings challenge prevailing evaluation practices in static analysis and highlight the need to reason jointly about algorithms, configurations, and framework semantics when assessing precision and soundness.
• Abstract（参考訳）: Javaの静的解析フレームワークは、分析アルゴリズムと構成が単調に構成され、ツール間で意味的に同等な結果をもたらすという仮定の下で、一般的に比較される。 本研究は,この仮定が根本的な欠陥であることを示す。 我々は,Soot, SootUp, WALA, Doopの4つの広く使用されている静的解析フレームワーク内でのセマンティック一貫性に関する大規模な実証的研究を行った。 解析アルゴリズムや構成に対する精度部分順序を用いて,精度の向上が新たなコールグラフエッジを導入したり,不整合を増幅したりする違反を系統的に識別する。 以上の結果から3つの重要な知見が得られた。 第一に、ラムダやリフレクション、ネイティブモデリングといったモダンな言語機能のために、アルゴリズムの精度上の順序がフレームワーク内で頻繁に壊れる。 第二に、構成の選択は分析アルゴリズムと強く相互作用し、アルゴリズムや構成の変更だけの影響を超える相乗的失敗を生み出す。 第3に、クロスフレームワーク比較は、互換性のないセマンティックギャップを露呈し、異なるフレームワークがコールグラフ基底の真理という非互換な概念を乗り越えていることを示す。 これらの知見は, 静的解析において一般的な評価手法に挑戦し, 精度と音質を評価する際に, アルゴリズム, 構成, フレームワークのセマンティクスを共同で考える必要性を強調した。

関連論文リスト

• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• A Unified Reasoning Framework for Holistic Zero-Shot Video Anomaly Analysis [64.42659342276117]
  ビデオの異常な研究のほとんどは、フレームワイド検出で停止し、なぜイベントが異常なのかについての洞察はほとんど得られない。 近年の動画の局所化と映像の異常理解手法は、説明可能性を改善するが、データに依存し、タスク固有のままである。 本稿では,時間的検出,空間的局所化,テキスト的説明のギャップを埋める統一的推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-02T14:49:08Z)
• Universal Scalability in Declarative Program Analysis (with Choice-Based Combination Pruning) [1.3874486202578669]
  選択構成が述語の評価を柔軟に制限できる準ユニバーサル構成を示す。 我々はこの手法を、おそらく現存する最大の既存のデータログ分析フレームワークに適用する: Doop(Javaコード用)とGigahorseフレームワークからのメインクライアント分析。
  論文  参考訳（メタデータ） (2025-03-07T21:23:02Z)
• Checkification: A Practical Approach for Testing Static Analysis Truths [0.0]
  本稿では,抽象解釈に基づく静的アナライザの試験法を提案する。 このアプローチの主な利点は、Ciaoアサーションベースのバリデーションフレームワーク内で直接フレーミングすることによる、シンプルさにあります。 我々は、CiaoPP静的解析器にアプローチを適用し、合理的なオーバーヘッドを伴う多くのバグを特定した。
  論文  参考訳（メタデータ） (2025-01-21T12:38:04Z)
• A Causal Framework to Quantify the Robustness of Mathematical Reasoning with Language Models [81.15974174627785]
  入力空間における直接的介入に対する頑健さと感度の観点から言語モデルの振舞いについて検討する。 しかし, GPT-3 Davinciモデル(175B)は, 他のGPTモデルと比較して, 頑健さと感度の両面で劇的な改善を実現している。
  論文  参考訳（メタデータ） (2022-10-21T15:12:37Z)
• Comprehensive Studies for Arbitrary-shape Scene Text Detection [78.50639779134944]
  ボトムアップに基づくシーンテキスト検出のための統合フレームワークを提案する。 統一されたフレームワークの下では、非コアモジュールの一貫性のある設定が保証されます。 包括的調査と精巧な分析により、以前のモデルの利点と欠点を明らかにしている。
  論文  参考訳（メタデータ） (2021-07-25T13:18:55Z)
• Comparative Code Structure Analysis using Deep Learning for Performance Prediction [18.226950022938954]
  本稿では,アプリケーションの静的情報(抽象構文木やASTなど)を用いてコード構造の変化に基づいて性能変化を予測することの実現可能性を評価することを目的とする。 組込み学習手法の評価により,木系長短メモリ(LSTM)モデルでは,ソースコードの階層構造を利用して遅延表現を発見し,最大84%(個人的問題)と73%(複数の問題を含む組み合わせデータセット)の精度で性能変化を予測できることが示された。
  論文  参考訳（メタデータ） (2021-02-12T16:59:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。